benzemezlik (diana, küme R paketi) çıktısından optimum sayıda küme nasıl elde edilir?

Question

Küme paketi ve diana yöntemi (kullanılan öklid farklılığı) ile elde edilen bir dendrogramdan optimum sayıda küme elde etmeye çalışıyorum:

mydatad <- diana(mydata, stand = FALSE)
mydata_dend <- fviz_dend(mydatad, cex = 0.5, k = 2, palette = "jco") 
## use factoextra and ggplot2 for visualization

sonra NbClust ile farklılık matrisini kullanmaya çalışıyorum:

NC <- NbClust(data = NULL, diss = mydatadd, distance = NULL, min.nc = 2, max.nc = 50, method= "single", index = "silhouette")

ve şu hata mesajını alıyorum ":

Error in if (is.na(n) || n > 65536L) stop("size cannot be NA nor exceed 65536") : 
  missing value where TRUE/FALSE needed

ancak verilerimde eksik değer yok, dissim matrisindeki en düşük değerler aynı öğeler için 0 olmalıdır (mydata ~ 2000 öğe, 11 değişken).

Daha sonra ayrılığı tahmin etmeye çalıştım. orijinal verileri kullanarak ve öklid mesafesini tahmin ederek, böylece benzerlik matrisini kullanmadan uzaklık

NC <- NbClust(T2141d, diss = NULL, distance = "euclidean", min.nc = 2, max.nc = 50, method= "single", index = "silhouette")

ve aşağıdaki hata mesajını alıyorum:

Error in t(jeu) %*% jeu : 
  requires numeric/complex matrix/vector arguments

En uygun küme sayısını elde etmek için farklı yöntemler için öneriler, hatta öneriler memnuniyetle karşılanmaktadır. teşekkürler.

Answer 1

NbClustFonksiyon, bir ayrılık matris gerektirir. Çalıştırdığınızda diana, döndürülen nesne hesaplanmış olmasına rağmen bir benzemezlik matrisi değildir. Ayarlaman gerekiyor keep.diss=TRUE. Örnek bir veri kümesi kullanarak benzerlik matrisini nasıl döndüreceğimi göstermeden önce:

library(factoextra)
library(cluster)
mydata=data.frame(matrix(runif(2000*11),ncol=11))
mydatad <- diana(mydata, stand = FALSE,keep.diss=TRUE)
# check the dissimilarity matrix stored
class(mydatad$diss) [1] "dissimilarity" "dist" NC <- NbClust(data = NULL, diss = mydatad$diss, 
distance = NULL, min.nc = 2, max.nc = 50, 
method= "single", index = "silhouette")